一种基于互信息与灰狼提升算法的网络入侵检测方法

摘要

本发明涉及一种基于互信息与灰狼提升算法的网络入侵检测方法，属于网络安全领域。本方法提供的训练阶段通过互信息理论提取训练集中关键特征，并通过互信息大小对提取的特征进行排序。然后将这些特征作为输入加载到LSSVM模型中来训练，并采用GWB算法优化整个模型的权重参数。GWB‑LSSVM模型通过对关键特征的学习，获取最优的核函数宽度和正则化参数C。测试阶段提取测试数据的特征输入到训练好的LSSVM分类模型中，根据模型输出的类别概率分布判断分类结果正确与否，进而进行模型评估。本方法能够在模型训练阶段大大缩短模型训练时间，降低模型训练消耗和时间成本，而且本方法能够更好的实现网络流量前相关特征的选择，提升网络入侵行为检测的精度和模型收敛的速度。